Online tool for finite element analysis of postmortem convective heat transfer of the head

Cover Page

Cite item

Full Text

Abstract

Background: One of the most promising modern approaches in thermometric diagnosis for estimating the time of death is the finite element analysis method of postmortem heat transfer. This method overcomes the limitations of phenomenological cooling equations for corpses. However, the software packages enabling this method are typically expensive and require users to independently set up task parameters. This article introduces an open-access online tool with a simple interface for finite element analysis of postmortem convective heat transfer of the human head. The tool is designed to determine the time of death through cranioencephalic thermometry of the corpse.

Aim: To develop an online tool for finite element analysis of postmortem convective heat transfer of the head.

Materials and methods: A scalable finite element model of the head, approximated as a multi-layered sphere, was created. The model consists of 1,311 nodes and 9,277 finite elements. A computational algorithm was developed to calculate the initial and postmortem temperature fields of the head using the Python 3.

Results: The Simple Finite Element Model of Postmortem Convective Heat Transfer of the Head online application was developed. It considers the specifics of the initial temperature field, dimensions and thermophysical properties of the primary anatomical layers of the head, intensity of convective heat transfer, diagnostic point coordinates, and variations in external temperature during the cooling process. The application generates cooling curves at the diagnostic point and the head surface during the first 24 hours postmortem, providing numerical data, geometric and mesh properties, and temperature distribution along the integration contour from the model’s center to the diagnostic point.

Conclusion: The developed solver requires neither high-performance computer systems nor specialized user training. This feature makes the proposed online tool applicable in forensic practice for determining the time of death using cranioencephalic thermometry of corpses.

About the authors

Vladimir G. Nedugiv

Samara National Research University

Email: nedugovvg@gmail.com
ORCID iD: 0009-0007-7542-7235
SPIN-code: 2407-7937
Russian Federation, Samara

German V. Nedugov

Samara State Medical University

Author for correspondence.
Email: nedugovh@mail.ru
ORCID iD: 0000-0002-7380-3766
SPIN-code: 3828-8091

MD, Dr. Sci. (Medicine), Assistant Professor

Russian Federation, Samara

References

  1. Mall G, Eisenmenger W. Estimation of time since death by heat-flow Finite-Element model. Part I: Method, model, calibration and validation. Leg Med (Tokyo). 2005;7(1):1–14. doi: 10.1016/j.legalmed.2004.06.006
  2. Mall G, Eisenmenger W. Estimation of time since death by heat-flow Finite-Element model. Part II: Application to non-standard cooling conditions and preliminary results in practical casework. Leg Med (Tokyo). 2005;7(2):69–80. doi: 10.1016/j.legalmed.2004.06.007
  3. Smart JL, Kaliszan M. Use of a finite element model of heat transport in the human eye to predict time of death. J Forensic Sci. 2013;58(Suppl 1):S69–S77. doi: 10.1111/1556-4029.12022
  4. Schenkl S, Muggenthaler H, Hubig M, et al. Automatic CT-based finite element model generation for temperature-based death time estimation: Feasibility study and sensitivity analysis. Int J Legal Med. 2017;131(3):699–712. EDN: UUZEXN doi: 10.1007/s00414-016-1523-0
  5. Weiser M, Erdmann B, Schenkl S, et al. Uncertainty in temperature-based determination of time of death. Heat and Mass Transfer. 2018;54(9):2815–2826. EDN: ILDZMW doi: 10.1007/s00231-018-2324-4
  6. Ullrich J, Weiser M, Subramaniam SJ, et al. The impact of anatomy variation on temperature based time of death estimation. Int J Legal Med. 2023;137(5):1615–1627. EDN: KDNXGI doi: 10.1007/s00414-023-03026-w
  7. Subramaniam JS, Hubig M, Muggenthaler H, et al. Sensitivity of temperature-based time since death estimation on measurement location. Int J Legal Med. 2023;137(6):1815–1837. EDN: GXPTML doi: 10.1007/s00414-023-03040-y
  8. Nedugov GV. Estimation of the postmortem interval by the method of finite element modeling of postmortem heat transfer in human head. Sci Innovations Med. 2022;7(3):179–185. EDN: CIMZZD doi: 10.35693/2500-1388-2022-7-3-179-185
  9. Nelson DA, Nunneley SA. Brain temperature and limits on transcranial cooling in humans: Quantitative modeling results. Eur J Appl Physiol Occup Physiol. 1998;78(4):353–359. EDN: AUNLVL doi: 10.1007/s004210050431
  10. Zhu L, Diao C. Theoretical simulation of temperature distribution in the brain during mild hypothermia treatment for brain injury. Med Biol Eng Comput. 2001;39(6):681–687. EDN: OVPRTJ doi: 10.1007/BF02345442
  11. Duck FA. Physical properties of tissue: A comprehensive reference book. London: Academic Press; 1990. P. 9–42.
  12. Logg A, Wells G, Mardal KA. Automated solution of differential equations by the finite element method: The FEniCS book. Berlin: Springer-Verlag; 2012. doi: 10.1007/978-3-642-23099-8
  13. Muggenthaler H, Hubig M, Schenkl S, et al. Calibration and parameter variation using a finite element model for death time estimation: The influence of the substrate. Leg Med (Tokyo). 2017;25:23–28. doi: 10.1016/j.legalmed.2016.12.007
  14. Henssge C, Madea B. Estimation of the time since death in the early post-mortem period. Forensic Sci Int. 2004;144(2-3):167–175. doi: 10.1016/j.forsciint.2004.04.051
  15. Clark RP, Toy N. Forced convection around the human head. J Physiol. 1975;244(2):295–302. doi: 10.1113/jphysiol.1975.sp010798
  16. Defraeye T, Blocken B, Koninckx E, et al. Computational fluid dynamics analysis of drag and convective heat transfer of individual body segments for different cyclist positions. J Biomech. 2011;44(9):1695–1701. doi: 10.1016/j.jbiomech.2011.03.035
  17. Kurazumi Y, Fukagawa K, Sakoi T, et al. Convective heat transfer coefficient relating to evaluation of thermal environment of infant. Heliyon. 2022;8(12):e12076. EDN: SQKCMK doi: 10.1016/j.heliyon.2022.e12076
  18. Jiang S, Zhang M, Wang S, Li J. Numerical investigation of the convective heat transfer coefficient for a sleeping infant in a ventilation room. Indoor Air. 2022;32(10):e13126. EDN: ZBNRHA doi: 10.1111/ina.13126
  19. Vavilov AJ. Diagnostic ‘blunder’ as a cause of errors in the calculated determination of the age of death by the thermal method. Problemy ekspertizy v meditsine. 2008;8(3-4):8–11. (In Russ.) EDN: OKCJBD

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. The finite element model of the brain region of the head, set in an online application.

Download (200KB)
Indexing metadata
3. Fig. 2. The initial temperature field of the diametrical section of the finite element model.

Download (229KB)
Indexing metadata
4. Fig. 3. Graphs of cooling of the center and surface of the finite element model with sinusoidal changes in external temperature. Symbols: 1 ― temperature at a point with zero radial coordinate; 2 ― temperature at points on the surface of the finite element model; 3 ― ambient temperature. ДНС ― postmortem interval.

Download (109KB)
Indexing metadata

Copyright (c) 2024 Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».